面向大規(guī)模數(shù)據(jù)的單體分型算法研究.pdf

1、基因組學(xué)（genomics）是當(dāng)今生物學(xué)家探究生命奧秘的新興研究領(lǐng)域，其中單體型是基因組學(xué)中的一類重要信息，它在復(fù)雜疾病關(guān)聯(lián)研究、藥物設(shè)計中起著至關(guān)重要的作用。由于人類基因型數(shù)據(jù)是雙倍體結(jié)構(gòu)，從基因型數(shù)據(jù)推導(dǎo)單倍體信息被稱為單體分型。單體分型的計算手段相比實驗方法具有廉價、快速以及高準(zhǔn)確度等特性，已成為獲得單體型數(shù)據(jù)不可或缺的方式。隨著生物學(xué)測序技術(shù)和研究的深入，產(chǎn)生了海量的基因型數(shù)據(jù)，迫切需要研究能夠分型大規(guī)模基因型數(shù)據(jù)的有效算法。單

2、體型分型問題可分為群體數(shù)據(jù)集和家系數(shù)據(jù)集兩大類，本文主要研究大規(guī)模群體數(shù)據(jù)集上的快速和高精度分型算法，具體工作如下:
　　 1.基于可擴展滑動窗口的高效單體分型算法
　　 2.SNP算法是近年來提出的一個簡單優(yōu)秀的分型算法，該算法通過構(gòu)造最大生成樹使其具備最快的分型速度和尚好的分型精度。已有研究觀察到的真實單體型數(shù)據(jù)呈現(xiàn)塊狀結(jié)構(gòu)，該特性常被用于提升單體分型算法的精度。我們依據(jù)單體型序列的這種生物特征，設(shè)計了一個逐步優(yōu)化策

3、略的單體分型算法。首先，設(shè)計了一個簡化的2SNP算法獲得初始分型;其次，采用可擴展滑動窗口搜尋匹配的單體型塊來改進初始分型結(jié)果;最后，應(yīng)用最大節(jié)約規(guī)則進行重組使分型解進一步優(yōu)化。該算法被實現(xiàn)為一個稱為WinHAP1.0的分型軟件，WinHAP1.0對4種不同規(guī)模和類型的基因型數(shù)據(jù)集進行測試。測試結(jié)果反映了WinHAP1.0在這4種數(shù)據(jù)集上與2SNP算法分型速度相當(dāng)，在其中的3種數(shù)據(jù)集上具有最好的分型精度。
　　 2.面向大規(guī)模數(shù)

4、據(jù)的分段單體分型算法
　　 本項工作在前面單體分型算法WinHAP1.0的基礎(chǔ)上，通過分段手段設(shè)計了一個面向大規(guī)模數(shù)據(jù)的單體分型算法。目前可處理大規(guī)?；蛐蛿?shù)據(jù)集的優(yōu)秀分型算法有Beagle，該分型算法在處理大規(guī)模數(shù)據(jù)集時需要耗費較多內(nèi)存，難以在普通PC機平臺上運行。我們對分型算法WinHAP1.0進行了擴展，新算法WinHAP2.0先將大尺寸的基因型數(shù)據(jù)集進行分段并利用WinHAP1.0對每段進行分型，再用可擴展滑動窗口對各段